Kling Avatar: как сделать аватар из фото, который говорит и поёт

Рядом на рынке стоят InfiniteTalk и OmniHuman. Если упростить, InfiniteTalk — бюджетный вариант для коротких роликов в 480–720p, OmniHuman — дорогая модель с упором на пластику тела. Kling Avatar занимает середину: даёт 1080p и выразительную мимику при умеренной цене, а оплата по секундам удобна, когда нужен короткий фрагмент.

Сильная сторона именно Kling — эмоции. Одна и та же запись с промптом «спокойно рассказывает» и «восторженно делится новостью» даёт два разных ролика: меняется выражение глаз, амплитуда кивков, улыбка на паузах. Слабая — модель консервативна в движениях корпуса: жестикуляции руками от неё ждать не стоит.

Модель лучше всего раскрывается там, где нужны выразительное лицо и чёткая картинка, а длительность невелика. Музыкальное поздравление: фото именинника поёт куплет из песни, сгенерированной под его имя. Визитка эксперта для соцсетей: портрет в деловом стиле коротко представляется и зовёт на консультацию. Персонаж рекламной кампании, нарисованный иллюстратором, произносит слоган. Ожившие герои школьной презентации или исторического квеста. Ролик в 1080p нормально смотрится и на экране ноутбука, и в проекторе, чего не скажешь о моделях с потолком 720p.

Хуже Kling Avatar подходит для длинных лекций с одним ведущим — тут удобнее специализированные студии аватаров — и для сцен с движением по кадру: модель оживляет портрет, а не снимает новую сцену.

Качество ролика на три четверти определяется входом. Kling дорисовывает зубы, язык и скрытые части лица, и чем лучше исходник, тем меньше заметно его «фантазию».

• портрет анфас или в лёгком полуобороте, лицо крупно, видны оба глаза;
• нейтральное выражение с закрытым ртом — так модели проще строить артикуляцию;
• ровный свет, без рук, очков с бликами и предметов у лица;
• звук без музыки и эха, если это речь; для песни — чистый вокал или трек, где голос громче аккомпанемента;
• длина записи под выбранную длительность ролика, лишнюю тишину лучше обрезать.

Официальный сервис Kling AI — зарубежный, интерфейс на английском, тарифы в долларах, и у российских пользователей обычно возникают сложности с оплатой. Этот сайт не связан с Kuaishou: модель работает на агрегаторе НейроХаб, где интерфейс на русском и платить можно картой российского банка.

Порядок такой: войдите через Яндекс ID или по номеру телефона, выберите Kling Avatar, загрузите портрет в поле «Портрет (картинка)» и запись в поле «Аудио (голос)», выберите разрешение 720p или 1080p и длительность 5, 10 или 15 секунд, напишите промпт об эмоции и манере и запустите генерацию. Номер версии модели в каталоге хаба не указан. Если голоса нет, его можно сделать там же через синтез речи ElevenLabs или Gemini TTS, а песню — через Suno.

Цена на хабе зависит от разрешения и длительности. В 720p пять секунд стоят 38 токенов, десять — 92, пятнадцать — 120. В 1080p — 76, 152 и 240 токенов соответственно.

В рублях по пакету Start (490 ₽ за 200 токенов, 2,45 ₽ за токен) пятисекундный ролик в 720p выходит около 93 ₽, в 1080p — около 186 ₽. При регистрации начисляется 30 токенов — на генерацию их не хватит, но первая покупка любого пакета даёт в полтора раза больше токенов: Start превращается в 300 токенов, это, например, три десятисекундных ролика в 720p с запасом.

• для черновиков и проверки фото берите 720p и 5 секунд — дешевле всего;
• финальную версию для презентации или рекламы — 1080p;
• длинный текст выгоднее разбить на 10-секундные куски, чем переделывать 15-секундный ролик целиком.

Губы опаздывают за речью — почти всегда виноват звук: музыка под голосом, эхо или слишком тихая запись. Почистите дорожку и нормализуйте громкость. Лицо «плывёт» при повороте головы — фото снято в сильном полуобороте или с низким разрешением, возьмите фронтальный снимок.

Персонаж выглядит безжизненным — в промпте нет эмоции, допишите, как именно он говорит. Наоборот, гримасы и преувеличенная мимика — промпт перегружен, оставьте одно-два слова о настроении. И не используйте чужие лица без согласия: ролик с реальным человеком легко принять за настоящую запись, а знаменитостей и политиков модерация может не пропустить.